ANCOVA in
Vocabulary taught (Vocabulary taught)
Geiser C. Challco geiser@alumni.usp.br
NOTE:
- Teste ANCOVA para determinar se houve diferenças significativas no
Vocabulary taught (medido usando pre- e pos-testes).
- ANCOVA test to determine whether there were significant differences
in Vocabulary taught (measured using pre- and post-tests).
Setting Initial Variables
dv = "score.vocab.ensinado"
dv.pos = "score.vocab.ensinado.pos"
dv.pre = "score.vocab.ensinado.pre"
fatores2 <- c("genero","zona.participante","zona.escola","score.vocab.ensinado.quintile")
lfatores2 <- as.list(fatores2)
names(lfatores2) <- fatores2
fatores1 <- c("grupo", fatores2)
lfatores1 <- as.list(fatores1)
names(lfatores1) <- fatores1
lfatores <- c(lfatores1)
color <- list()
color[["prepost"]] = c("#ffee65","#f28e2B")
color[["grupo"]] = c("#bcbd22","#fd7f6f")
color[["genero"]] = c("#FF007F","#4D4DFF")
color[["zona.escola"]] = c("#AA00FF","#00CCCC")
color[["zona.participante"]] = c("#AA00FF","#00CCCC")
level <- list()
level[["grupo"]] = c("Controle","Experimental")
level[["genero"]] = c("F","M")
level[["zona.escola"]] = c("Rural","Urbana")
level[["zona.participante"]] = c("Rural","Urbana")
# ..
ymin <- 0
ymax <- 0
ymin.ci <- 0
ymax.ci <- 0
color[["grupo:genero"]] = c(
"Controle:F"="#ff99cb", "Controle:M"="#b7b7ff",
"Experimental:F"="#FF007F", "Experimental:M"="#4D4DFF",
"Controle.F"="#ff99cb", "Controle.M"="#b7b7ff",
"Experimental.F"="#FF007F", "Experimental.M"="#4D4DFF"
)
color[["grupo:zona.escola"]] = c(
"Controle:Rural"="#b2efef","Controle:Urbana"="#e5b2ff",
"Experimental:Rural"="#00CCCC", "Experimental:Urbana"="#AA00FF",
"Controle.Rural"="#b2efef","Controle.Urbana"="#e5b2ff",
"Experimental.Rural"="#00CCCC", "Experimental.Urbana"="#AA00FF"
)
color[["grupo:zona.participante"]] = c(
"Controle:Rural"="#b2efef","Controle:Urbana"="#e5b2ff",
"Experimental:Rural"="#00CCCC", "Experimental:Urbana"="#AA00FF",
"Controle.Rural"="#b2efef","Controle.Urbana"="#e5b2ff",
"Experimental.Rural"="#00CCCC", "Experimental.Urbana"="#AA00FF"
)
for (coln in c(
"palavras.lidas","score.compreensao","tri.compreensao",
"score.vocab","tri.vocab",
"score.vocab.ensinado","tri.vocab.ensinado","score.vocab.nao.ensinado","tri.vocab.nao.ensinado",
"score.CLPP","tri.CLPP","score.CR","tri.CR",
"score.CI","tri.CI","score.TV","tri.TV","score.TF","tri.TF","score.TO","tri.TO")) {
color[[paste0(coln,".quintile")]] = c("#BF0040","#FF0000","#800080","#0000FF","#4000BF")
level[[paste0(coln,".quintile")]] = c("1st quintile","2nd quintile","3rd quintile","4th quintile","5th quintile")
color[[paste0("grupo:",coln,".quintile")]] = c(
"Experimental.1st quintile"="#BF0040", "Controle.1st quintile"="#d8668c",
"Experimental.2nd quintile"="#FF0000", "Controle.2nd quintile"="#ff7f7f",
"Experimental.3rd quintile"="#8fce00", "Controle.3rd quintile"="#ddf0b2",
"Experimental.4th quintile"="#0000FF", "Controle.4th quintile"="#b2b2ff",
"Experimental.5th quintile"="#4000BF", "Controle.5th quintile"="#b299e5",
"Experimental:1st quintile"="#BF0040", "Controle:1st quintile"="#d8668c",
"Experimental:2nd quintile"="#FF0000", "Controle:2nd quintile"="#ff7f7f",
"Experimental:3rd quintile"="#8fce00", "Controle:3rd quintile"="#ddf0b2",
"Experimental:4th quintile"="#0000FF", "Controle:4th quintile"="#b2b2ff",
"Experimental:5th quintile"="#4000BF", "Controle:5th quintile"="#b299e5")
}
gdat <- read_excel("../data/data.xlsx", sheet = "vocabulario.st")
dat <- gdat
dat$grupo <- factor(dat[["grupo"]], level[["grupo"]])
for (coln in c(names(lfatores))) {
dat[[coln]] <- factor(dat[[coln]], level[[coln]][level[[coln]] %in% unique(dat[[coln]])])
}
dat <- dat[which(!is.na(dat[[dv.pre]]) & !is.na(dat[[dv.pos]])),]
dat <- dat[,c("id",names(lfatores),dv.pre,dv.pos)]
dat.long <- rbind(dat, dat)
dat.long$time <- c(rep("pre", nrow(dat)), rep("pos", nrow(dat)))
dat.long$time <- factor(dat.long$time, c("pre","pos"))
dat.long[[dv]] <- c(dat[[dv.pre]], dat[[dv.pos]])
for (f in c("grupo", names(lfatores))) {
if (is.null(color[[f]]) && length(unique(dat[[f]])) > 0)
color[[f]] <- distinctColorPalette(length(unique(dat[[f]])))
}
for (f in c(fatores2)) {
if (is.null(color[[paste0("grupo:",f)]]) && length(unique(dat[[f]])) > 0)
color[[paste0("grupo:",f)]] <- distinctColorPalette(length(unique(dat[["grupo"]]))*length(unique(dat[[f]])))
}
ldat <- list()
laov <- list()
lpwc <- list()
lemms <- list()
Descriptive Statistics
of Initial Data
df <- get.descriptives(dat, c(dv.pre, dv.pos), c("grupo"),
include.global = T, symmetry.test = T, normality.test = F)
df <- plyr::rbind.fill(
df, do.call(plyr::rbind.fill, lapply(lfatores2, FUN = function(f) {
if (nrow(dat) > 0 && sum(!is.na(unique(dat[[f]]))) > 1)
get.descriptives(dat, c(dv.pre,dv.pos), c("grupo", f),
symmetry.test = T, normality.test = F)
}))
)
## Warning: There was 1 warning in `mutate()`.
## ℹ In argument: `ci = abs(stats::qt(alpha/2, .data$n - 1) * .data$se)`.
## Caused by warning:
## ! There was 1 warning in `mutate()`.
## ℹ In argument: `ci = abs(stats::qt(alpha/2, .data$n - 1) * .data$se)`.
## Caused by warning in `stats::qt()`:
## ! NaNs produced
## There was 1 warning in `mutate()`.
## ℹ In argument: `ci = abs(stats::qt(alpha/2, .data$n - 1) * .data$se)`.
## Caused by warning:
## ! There was 1 warning in `mutate()`.
## ℹ In argument: `ci = abs(stats::qt(alpha/2, .data$n - 1) * .data$se)`.
## Caused by warning in `stats::qt()`:
## ! NaNs produced
df <- df[,c(fatores1[fatores1 %in% colnames(df)],"variable",
colnames(df)[!colnames(df) %in% c(fatores1,"variable")])]
| Controle |
|
|
|
|
score.vocab.ensinado.pre |
50 |
2.420 |
2.0 |
0 |
6 |
1.527 |
0.216 |
0.434 |
2.75 |
YES |
0.267 |
-0.595 |
| Experimental |
|
|
|
|
score.vocab.ensinado.pre |
42 |
2.833 |
3.0 |
0 |
7 |
1.447 |
0.223 |
0.451 |
2.00 |
YES |
0.378 |
-0.084 |
|
|
|
|
|
score.vocab.ensinado.pre |
92 |
2.609 |
3.0 |
0 |
7 |
1.497 |
0.156 |
0.310 |
3.00 |
YES |
0.288 |
-0.299 |
| Controle |
|
|
|
|
score.vocab.ensinado.pos |
50 |
2.360 |
2.0 |
0 |
8 |
1.711 |
0.242 |
0.486 |
2.00 |
NO |
1.048 |
1.269 |
| Experimental |
|
|
|
|
score.vocab.ensinado.pos |
42 |
2.643 |
2.0 |
0 |
6 |
1.694 |
0.261 |
0.528 |
2.75 |
YES |
0.142 |
-0.982 |
|
|
|
|
|
score.vocab.ensinado.pos |
92 |
2.489 |
2.0 |
0 |
8 |
1.700 |
0.177 |
0.352 |
3.00 |
NO |
0.642 |
0.178 |
| Controle |
F |
|
|
|
score.vocab.ensinado.pre |
25 |
2.640 |
3.0 |
0 |
6 |
1.497 |
0.299 |
0.618 |
2.00 |
YES |
0.098 |
-0.588 |
| Controle |
M |
|
|
|
score.vocab.ensinado.pre |
25 |
2.200 |
2.0 |
0 |
6 |
1.555 |
0.311 |
0.642 |
2.00 |
YES |
0.447 |
-0.620 |
| Experimental |
F |
|
|
|
score.vocab.ensinado.pre |
19 |
2.579 |
3.0 |
0 |
5 |
1.427 |
0.327 |
0.688 |
2.00 |
YES |
0.067 |
-1.086 |
| Experimental |
M |
|
|
|
score.vocab.ensinado.pre |
23 |
3.043 |
3.0 |
1 |
7 |
1.461 |
0.305 |
0.632 |
2.00 |
NO |
0.598 |
0.121 |
| Controle |
F |
|
|
|
score.vocab.ensinado.pos |
25 |
2.400 |
2.0 |
0 |
8 |
1.871 |
0.374 |
0.772 |
2.00 |
NO |
1.415 |
1.611 |
| Controle |
M |
|
|
|
score.vocab.ensinado.pos |
25 |
2.320 |
2.0 |
0 |
6 |
1.574 |
0.315 |
0.650 |
2.00 |
YES |
0.289 |
-0.488 |
| Experimental |
F |
|
|
|
score.vocab.ensinado.pos |
19 |
2.579 |
2.0 |
0 |
6 |
1.835 |
0.421 |
0.885 |
3.00 |
YES |
0.136 |
-1.266 |
| Experimental |
M |
|
|
|
score.vocab.ensinado.pos |
23 |
2.696 |
2.0 |
0 |
6 |
1.608 |
0.335 |
0.695 |
2.00 |
YES |
0.163 |
-0.904 |
| Controle |
|
Rural |
|
|
score.vocab.ensinado.pre |
12 |
2.000 |
2.5 |
0 |
4 |
1.537 |
0.444 |
0.977 |
2.25 |
YES |
-0.138 |
-1.717 |
| Controle |
|
Urbana |
|
|
score.vocab.ensinado.pre |
26 |
2.500 |
2.0 |
0 |
6 |
1.631 |
0.320 |
0.659 |
3.00 |
YES |
0.479 |
-0.610 |
| Controle |
|
|
|
|
score.vocab.ensinado.pre |
12 |
2.667 |
3.0 |
1 |
5 |
1.303 |
0.376 |
0.828 |
1.50 |
YES |
0.117 |
-1.277 |
| Experimental |
|
Rural |
|
|
score.vocab.ensinado.pre |
15 |
2.800 |
3.0 |
1 |
5 |
1.265 |
0.327 |
0.700 |
1.50 |
YES |
0.348 |
-1.072 |
| Experimental |
|
Urbana |
|
|
score.vocab.ensinado.pre |
16 |
2.938 |
3.0 |
0 |
7 |
1.611 |
0.403 |
0.859 |
2.00 |
NO |
0.543 |
0.443 |
| Experimental |
|
|
|
|
score.vocab.ensinado.pre |
11 |
2.727 |
3.0 |
1 |
5 |
1.555 |
0.469 |
1.045 |
3.00 |
YES |
-0.024 |
-1.864 |
| Controle |
|
Rural |
|
|
score.vocab.ensinado.pos |
12 |
2.833 |
2.0 |
1 |
8 |
1.801 |
0.520 |
1.144 |
1.00 |
NO |
1.854 |
2.776 |
| Controle |
|
Urbana |
|
|
score.vocab.ensinado.pos |
26 |
2.192 |
2.0 |
0 |
6 |
1.877 |
0.368 |
0.758 |
2.00 |
NO |
0.780 |
-0.425 |
| Controle |
|
|
|
|
score.vocab.ensinado.pos |
12 |
2.250 |
2.0 |
0 |
4 |
1.215 |
0.351 |
0.772 |
1.25 |
YES |
-0.157 |
-1.082 |
| Experimental |
|
Rural |
|
|
score.vocab.ensinado.pos |
15 |
2.333 |
2.0 |
0 |
5 |
1.496 |
0.386 |
0.828 |
2.00 |
YES |
0.062 |
-1.140 |
| Experimental |
|
Urbana |
|
|
score.vocab.ensinado.pos |
16 |
3.000 |
3.5 |
0 |
6 |
1.826 |
0.456 |
0.973 |
2.25 |
YES |
-0.246 |
-1.234 |
| Experimental |
|
|
|
|
score.vocab.ensinado.pos |
11 |
2.545 |
2.0 |
0 |
6 |
1.809 |
0.545 |
1.215 |
2.00 |
NO |
0.532 |
-0.989 |
| Controle |
|
|
Rural |
|
score.vocab.ensinado.pre |
14 |
2.214 |
2.0 |
0 |
5 |
1.528 |
0.408 |
0.882 |
2.00 |
YES |
0.267 |
-1.439 |
| Controle |
|
|
Urbana |
|
score.vocab.ensinado.pre |
36 |
2.500 |
2.0 |
0 |
6 |
1.540 |
0.257 |
0.521 |
2.25 |
YES |
0.251 |
-0.415 |
| Experimental |
|
|
Rural |
|
score.vocab.ensinado.pre |
13 |
2.846 |
3.0 |
1 |
5 |
1.144 |
0.317 |
0.691 |
2.00 |
YES |
0.272 |
-1.155 |
| Experimental |
|
|
Urbana |
|
score.vocab.ensinado.pre |
29 |
2.828 |
3.0 |
0 |
7 |
1.583 |
0.294 |
0.602 |
2.00 |
YES |
0.378 |
-0.272 |
| Controle |
|
|
Rural |
|
score.vocab.ensinado.pos |
14 |
2.929 |
2.5 |
1 |
8 |
1.900 |
0.508 |
1.097 |
1.00 |
NO |
1.469 |
1.286 |
| Controle |
|
|
Urbana |
|
score.vocab.ensinado.pos |
36 |
2.139 |
2.0 |
0 |
6 |
1.606 |
0.268 |
0.543 |
2.00 |
NO |
0.665 |
-0.090 |
| Experimental |
|
|
Rural |
|
score.vocab.ensinado.pos |
13 |
2.538 |
2.0 |
0 |
6 |
1.941 |
0.538 |
1.173 |
3.00 |
YES |
0.356 |
-1.288 |
| Experimental |
|
|
Urbana |
|
score.vocab.ensinado.pos |
29 |
2.690 |
3.0 |
0 |
6 |
1.606 |
0.298 |
0.611 |
2.00 |
YES |
-0.008 |
-0.968 |
| Controle |
|
|
|
1st quintile |
score.vocab.ensinado.pre |
16 |
0.688 |
1.0 |
0 |
1 |
0.479 |
0.120 |
0.255 |
1.00 |
few data |
0.000 |
0.000 |
| Controle |
|
|
|
2nd quintile |
score.vocab.ensinado.pre |
21 |
2.524 |
3.0 |
2 |
3 |
0.512 |
0.112 |
0.233 |
1.00 |
few data |
0.000 |
0.000 |
| Controle |
|
|
|
3rd quintile |
score.vocab.ensinado.pre |
13 |
4.385 |
4.0 |
4 |
6 |
0.768 |
0.213 |
0.464 |
0.00 |
few data |
0.000 |
0.000 |
| Experimental |
|
|
|
1st quintile |
score.vocab.ensinado.pre |
8 |
0.875 |
1.0 |
0 |
1 |
0.354 |
0.125 |
0.296 |
0.00 |
few data |
0.000 |
0.000 |
| Experimental |
|
|
|
2nd quintile |
score.vocab.ensinado.pre |
19 |
2.421 |
2.0 |
2 |
3 |
0.507 |
0.116 |
0.244 |
1.00 |
few data |
0.000 |
0.000 |
| Experimental |
|
|
|
3rd quintile |
score.vocab.ensinado.pre |
14 |
4.214 |
4.0 |
4 |
5 |
0.426 |
0.114 |
0.246 |
0.00 |
few data |
0.000 |
0.000 |
| Experimental |
|
|
|
4th quintile |
score.vocab.ensinado.pre |
1 |
7.000 |
7.0 |
7 |
7 |
|
|
|
0.00 |
few data |
0.000 |
0.000 |
| Controle |
|
|
|
1st quintile |
score.vocab.ensinado.pos |
16 |
2.000 |
2.0 |
0 |
6 |
1.549 |
0.387 |
0.826 |
1.25 |
NO |
0.807 |
0.516 |
| Controle |
|
|
|
2nd quintile |
score.vocab.ensinado.pos |
21 |
2.429 |
2.0 |
0 |
8 |
1.859 |
0.406 |
0.846 |
2.00 |
NO |
1.352 |
1.858 |
| Controle |
|
|
|
3rd quintile |
score.vocab.ensinado.pos |
13 |
2.692 |
2.0 |
0 |
6 |
1.702 |
0.472 |
1.029 |
2.00 |
YES |
0.351 |
-0.949 |
| Experimental |
|
|
|
1st quintile |
score.vocab.ensinado.pos |
8 |
2.750 |
2.0 |
1 |
5 |
1.389 |
0.491 |
1.161 |
2.00 |
YES |
0.385 |
-1.617 |
| Experimental |
|
|
|
2nd quintile |
score.vocab.ensinado.pos |
19 |
3.158 |
3.0 |
0 |
6 |
1.642 |
0.377 |
0.791 |
2.00 |
YES |
-0.025 |
-0.863 |
| Experimental |
|
|
|
3rd quintile |
score.vocab.ensinado.pos |
14 |
1.786 |
1.5 |
0 |
5 |
1.718 |
0.459 |
0.992 |
2.50 |
NO |
0.645 |
-0.870 |
| Experimental |
|
|
|
4th quintile |
score.vocab.ensinado.pos |
1 |
4.000 |
4.0 |
4 |
4 |
|
|
|
0.00 |
few data |
0.000 |
0.000 |
ANCOVA and Pairwise
for one factor: grupo
Without remove non-normal
data
pdat = remove_group_data(dat[!is.na(dat[["grupo"]]),], "score.vocab.ensinado.pos", "grupo")
pdat.long <- rbind(pdat[,c("id","grupo")], pdat[,c("id","grupo")])
pdat.long[["time"]] <- c(rep("pre", nrow(pdat)), rep("pos", nrow(pdat)))
pdat.long[["time"]] <- factor(pdat.long[["time"]], c("pre","pos"))
pdat.long[["score.vocab.ensinado"]] <- c(pdat[["score.vocab.ensinado.pre"]], pdat[["score.vocab.ensinado.pos"]])
aov = anova_test(pdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo)
laov[["grupo"]] <- get_anova_table(aov)
pwc <- emmeans_test(pdat, score.vocab.ensinado.pos ~ grupo, covariate = score.vocab.ensinado.pre,
p.adjust.method = "bonferroni")
pwc.long <- emmeans_test(dplyr::group_by_at(pdat.long, "grupo"),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo"]] <- plyr::rbind.fill(pwc, pwc.long)
ds <- get.descriptives(pdat, "score.vocab.ensinado.pos", "grupo", covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = "grupo", all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwc), ds, by = "grupo", suffixes = c(".emms", ""))
ds <- ds[,c("grupo","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre","mean","se",
"emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo"]] <- ds
Computing
ANCOVA and PairWise After removing non-normal data (OK)
wdat = pdat
res = residuals(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo, data = wdat))
non.normal = getNonNormal(res, wdat$id, plimit = 0.05)
wdat = wdat[!wdat$id %in% non.normal,]
wdat.long <- rbind(wdat[,c("id","grupo")], wdat[,c("id","grupo")])
wdat.long[["time"]] <- c(rep("pre", nrow(wdat)), rep("pos", nrow(wdat)))
wdat.long[["time"]] <- factor(wdat.long[["time"]], c("pre","pos"))
wdat.long[["score.vocab.ensinado"]] <- c(wdat[["score.vocab.ensinado.pre"]], wdat[["score.vocab.ensinado.pos"]])
ldat[["grupo"]] = wdat
(non.normal)
## [1] "P264" "P286" "P78" "P97" "P272" "P85" "P273" "P82"
aov = anova_test(wdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo)
laov[["grupo"]] <- merge(get_anova_table(aov), laov[["grupo"]],
by="Effect", suffixes = c("","'"))
(df = get_anova_table(aov))
## ANOVA Table (type II tests)
##
## Effect DFn DFd F p p<.05 ges
## 1 score.vocab.ensinado.pre 1 81 0.429 0.514 0.005
## 2 grupo 1 81 3.174 0.079 0.038
| score.vocab.ensinado.pre |
1 |
81 |
0.429 |
0.514 |
|
0.005 |
| grupo |
1 |
81 |
3.174 |
0.079 |
|
0.038 |
pwc <- emmeans_test(wdat, score.vocab.ensinado.pos ~ grupo, covariate = score.vocab.ensinado.pre,
p.adjust.method = "bonferroni")
| score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
81 |
-1.782 |
0.079 |
0.079 |
ns |
pwc.long <- emmeans_test(dplyr::group_by_at(wdat.long, "grupo"),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo"]] <- merge(plyr::rbind.fill(pwc, pwc.long), lpwc[["grupo"]],
by=c("grupo","term",".y.","group1","group2"),
suffixes = c("","'"))
| Controle |
time |
score.vocab.ensinado |
pre |
pos |
164 |
0.567 |
0.571 |
0.571 |
ns |
| Experimental |
time |
score.vocab.ensinado |
pre |
pos |
164 |
-0.246 |
0.806 |
0.806 |
ns |
ds <- get.descriptives(wdat, "score.vocab.ensinado.pos", "grupo", covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = "grupo", all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwc), ds, by = "grupo", suffixes = c(".emms", ""))
ds <- ds[,c("grupo","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre","mean","se",
"emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo"]] <- merge(ds, lemms[["grupo"]], by=c("grupo"), suffixes = c("","'"))
| Controle |
48 |
2.333 |
0.211 |
2.167 |
0.207 |
2.177 |
0.205 |
1.769 |
2.585 |
| Experimental |
36 |
2.667 |
0.246 |
2.750 |
0.230 |
2.737 |
0.237 |
2.265 |
3.208 |
Plots for ancova
plots <- oneWayAncovaPlots(
wdat, "score.vocab.ensinado.pos", "grupo", aov, list("grupo"=pwc), addParam = c("mean_ci"),
font.label.size=10, step.increase=0.05, p.label="p.adj",
subtitle = which(aov$Effect == "grupo"))
if (!is.null(nrow(plots[["grupo"]]$data)))
plots[["grupo"]] + ggplot2::ylab("Vocabulary taught") +
if (ymin.ci < ymax.ci) ggplot2::ylim(ymin.ci, ymax.ci)

plots <- oneWayAncovaBoxPlots(
wdat, "score.vocab.ensinado.pos", "grupo", aov, pwc, covar = "score.vocab.ensinado.pre",
theme = "classic", color = color[["grupo"]],
subtitle = which(aov$Effect == "grupo"))
if (length(unique(wdat[["grupo"]])) > 1)
plots[["grupo"]] + ggplot2::ylab("Vocabulary taught") +
ggplot2::scale_x_discrete(labels=c('pre', 'pos')) +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)

if (length(unique(wdat.long[["grupo"]])) > 1)
plots <- oneWayAncovaBoxPlots(
wdat.long, "score.vocab.ensinado", "grupo", aov, pwc.long,
pre.post = "time", theme = "classic", color = color$prepost)
if (length(unique(wdat.long[["grupo"]])) > 1)
plots[["grupo"]] + ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)

Checking linearity
assumption
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
color = "grupo", add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"), color = grupo)
) +
ggplot2::labs(subtitle = rstatix::get_test_label(aov, detailed = T, row = which(aov$Effect == "grupo"))) +
ggplot2::scale_color_manual(values = color[["grupo"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)

Checking normality and
homogeneity
res <- augment(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo, data = wdat))
## # A tibble: 1 × 3
## variable statistic p.value
## <chr> <dbl> <dbl>
## 1 res$.resid 0.977 0.145
levene_test(res, .resid ~ grupo)
## # A tibble: 1 × 4
## df1 df2 statistic p
## <int> <int> <dbl> <dbl>
## 1 1 82 0.757 0.387
ANCOVA and
Pairwise for two factors grupo:genero
Without remove non-normal
data
pdat = remove_group_data(dat[!is.na(dat[["grupo"]]) & !is.na(dat[["genero"]]),],
"score.vocab.ensinado.pos", c("grupo","genero"))
pdat = pdat[pdat[["genero"]] %in% do.call(
intersect, lapply(unique(pdat[["grupo"]]), FUN = function(x) {
unique(pdat[["genero"]][which(pdat[["grupo"]] == x)])
})),]
pdat[["grupo"]] = factor(pdat[["grupo"]], level[["grupo"]])
pdat[["genero"]] = factor(
pdat[["genero"]],
level[["genero"]][level[["genero"]] %in% unique(pdat[["genero"]])])
pdat.long <- rbind(pdat[,c("id","grupo","genero")], pdat[,c("id","grupo","genero")])
pdat.long[["time"]] <- c(rep("pre", nrow(pdat)), rep("pos", nrow(pdat)))
pdat.long[["time"]] <- factor(pdat.long[["time"]], c("pre","pos"))
pdat.long[["score.vocab.ensinado"]] <- c(pdat[["score.vocab.ensinado.pre"]], pdat[["score.vocab.ensinado.pos"]])
if (length(unique(pdat[["genero"]])) >= 2) {
aov = anova_test(pdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*genero)
laov[["grupo:genero"]] <- get_anova_table(aov)
}
if (length(unique(pdat[["genero"]])) >= 2) {
pwcs <- list()
pwcs[["genero"]] <- emmeans_test(
group_by(pdat, grupo), score.vocab.ensinado.pos ~ genero,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwcs[["grupo"]] <- emmeans_test(
group_by(pdat, genero), score.vocab.ensinado.pos ~ grupo,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwc <- plyr::rbind.fill(pwcs[["grupo"]], pwcs[["genero"]])
pwc <- pwc[,c("grupo","genero", colnames(pwc)[!colnames(pwc) %in% c("grupo","genero")])]
}
if (length(unique(pdat[["genero"]])) >= 2) {
pwc.long <- emmeans_test(dplyr::group_by_at(pdat.long, c("grupo","genero")),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo:genero"]] <- plyr::rbind.fill(pwc, pwc.long)
}
if (length(unique(pdat[["genero"]])) >= 2) {
ds <- get.descriptives(pdat, "score.vocab.ensinado.pos", c("grupo","genero"), covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = c("grupo","genero"), all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwcs[["grupo"]]), ds,
by = c("grupo","genero"), suffixes = c(".emms", ""))
ds <- ds[,c("grupo","genero","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre","mean","se",
"emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo","genero", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo:genero"]] <- ds
}
Computing
ANCOVA and PairWise After removing non-normal data (OK)
if (length(unique(pdat[["genero"]])) >= 2) {
wdat = pdat
res = residuals(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*genero, data = wdat))
non.normal = getNonNormal(res, wdat$id, plimit = 0.05)
wdat = wdat[!wdat$id %in% non.normal,]
wdat.long <- rbind(wdat[,c("id","grupo","genero")], wdat[,c("id","grupo","genero")])
wdat.long[["time"]] <- c(rep("pre", nrow(wdat)), rep("pos", nrow(wdat)))
wdat.long[["time"]] <- factor(wdat.long[["time"]], c("pre","pos"))
wdat.long[["score.vocab.ensinado"]] <- c(wdat[["score.vocab.ensinado.pre"]], wdat[["score.vocab.ensinado.pos"]])
ldat[["grupo:genero"]] = wdat
(non.normal)
}
## [1] "P97" "P286" "P272" "P264" "P78" "P85" "P273" "P82"
if (length(unique(pdat[["genero"]])) >= 2) {
aov = anova_test(wdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*genero)
laov[["grupo:genero"]] <- merge(get_anova_table(aov), laov[["grupo:genero"]],
by="Effect", suffixes = c("","'"))
df = get_anova_table(aov)
}
| score.vocab.ensinado.pre |
1 |
79 |
0.394 |
0.532 |
|
0.005 |
| grupo |
1 |
79 |
3.053 |
0.084 |
|
0.037 |
| genero |
1 |
79 |
0.028 |
0.868 |
|
0.000 |
| grupo:genero |
1 |
79 |
0.002 |
0.966 |
|
0.000 |
if (length(unique(pdat[["genero"]])) >= 2) {
pwcs <- list()
pwcs[["genero"]] <- emmeans_test(
group_by(wdat, grupo), score.vocab.ensinado.pos ~ genero,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwcs[["grupo"]] <- emmeans_test(
group_by(wdat, genero), score.vocab.ensinado.pos ~ grupo,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwc <- plyr::rbind.fill(pwcs[["grupo"]], pwcs[["genero"]])
pwc <- pwc[,c("grupo","genero", colnames(pwc)[!colnames(pwc) %in% c("grupo","genero")])]
}
|
F |
score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
79 |
-1.169 |
0.246 |
0.246 |
ns |
|
M |
score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
79 |
-1.280 |
0.204 |
0.204 |
ns |
| Controle |
|
score.vocab.ensinado.pre*genero |
score.vocab.ensinado.pos |
F |
M |
79 |
-0.096 |
0.923 |
0.923 |
ns |
| Experimental |
|
score.vocab.ensinado.pre*genero |
score.vocab.ensinado.pos |
F |
M |
79 |
-0.141 |
0.889 |
0.889 |
ns |
if (length(unique(pdat[["genero"]])) >= 2) {
pwc.long <- emmeans_test(dplyr::group_by_at(wdat.long, c("grupo","genero")),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo:genero"]] <- merge(plyr::rbind.fill(pwc, pwc.long),
lpwc[["grupo:genero"]],
by=c("grupo","genero","term",".y.","group1","group2"),
suffixes = c("","'"))
}
| Controle |
F |
time |
score.vocab.ensinado |
pre |
pos |
160 |
1.102 |
0.272 |
0.272 |
ns |
| Controle |
M |
time |
score.vocab.ensinado |
pre |
pos |
160 |
-0.300 |
0.764 |
0.764 |
ns |
| Experimental |
F |
time |
score.vocab.ensinado |
pre |
pos |
160 |
-0.736 |
0.463 |
0.463 |
ns |
| Experimental |
M |
time |
score.vocab.ensinado |
pre |
pos |
160 |
0.329 |
0.742 |
0.742 |
ns |
if (length(unique(pdat[["genero"]])) >= 2) {
ds <- get.descriptives(wdat, "score.vocab.ensinado.pos", c("grupo","genero"), covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = c("grupo","genero"), all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwcs[["grupo"]]), ds,
by = c("grupo","genero"), suffixes = c(".emms", ""))
ds <- ds[,c("grupo","genero","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre",
"mean","se","emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo","genero", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo:genero"]] <- merge(ds, lemms[["grupo:genero"]],
by=c("grupo","genero"), suffixes = c("","'"))
}
| Controle |
F |
24 |
2.625 |
0.312 |
2.167 |
0.305 |
2.156 |
0.293 |
1.573 |
2.740 |
| Controle |
M |
24 |
2.042 |
0.279 |
2.167 |
0.287 |
2.197 |
0.297 |
1.606 |
2.787 |
| Experimental |
F |
16 |
2.312 |
0.338 |
2.688 |
0.384 |
2.699 |
0.359 |
1.984 |
3.413 |
| Experimental |
M |
20 |
2.950 |
0.344 |
2.800 |
0.287 |
2.767 |
0.325 |
2.120 |
3.414 |
Plots for ancova
if (length(unique(pdat[["genero"]])) >= 2) {
ggPlotAoC2(pwcs, "grupo", "genero", aov, ylab = "Vocabulary taught",
subtitle = which(aov$Effect == "grupo:genero"), addParam = "errorbar") +
ggplot2::scale_color_manual(values = color[["genero"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin.ci < ymax.ci) ggplot2::ylim(ymin.ci, ymax.ci)
}
## Scale for colour is already present.
## Adding another scale for colour, which will replace the existing scale.

if (length(unique(pdat[["genero"]])) >= 2) {
ggPlotAoC2(pwcs, "genero", "grupo", aov, ylab = "Vocabulary taught",
subtitle = which(aov$Effect == "grupo:genero"), addParam = "errorbar") +
ggplot2::scale_color_manual(values = color[["grupo"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin.ci < ymax.ci) ggplot2::ylim(ymin.ci, ymax.ci)
}
## Scale for colour is already present.
## Adding another scale for colour, which will replace the existing scale.

if (length(unique(pdat[["genero"]])) >= 2) {
plots <- twoWayAncovaBoxPlots(
wdat, "score.vocab.ensinado.pos", c("grupo","genero"), aov, pwcs, covar = "score.vocab.ensinado.pre",
theme = "classic", color = color[["grupo:genero"]],
subtitle = which(aov$Effect == "grupo:genero"))
}
if (length(unique(pdat[["genero"]])) >= 2) {
plots[["grupo:genero"]] + ggplot2::ylab("Vocabulary taught") +
ggplot2::scale_x_discrete(labels=c('pre', 'pos')) +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}
## Warning: No shared levels found between `names(values)` of the manual scale and the data's colour values.

if (length(unique(pdat[["genero"]])) >= 2) {
plots <- twoWayAncovaBoxPlots(
wdat.long, "score.vocab.ensinado", c("grupo","genero"), aov, pwc.long,
pre.post = "time",
theme = "classic", color = color$prepost)
}
if (length(unique(pdat[["genero"]])) >= 2)
plots[["grupo:genero"]] + ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)

Checking linearity
assumption
if (length(unique(pdat[["genero"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
facet.by = c("grupo","genero"), add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"))
) + ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

if (length(unique(pdat[["genero"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
color = "grupo", facet.by = "genero", add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"), color = grupo)
) +
ggplot2::labs(subtitle = rstatix::get_test_label(aov, detailed = T, row = which(aov$Effect == "grupo:genero"))) +
ggplot2::scale_color_manual(values = color[["grupo"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

if (length(unique(pdat[["genero"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
color = "genero", facet.by = "grupo", add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"), color = genero)
) +
ggplot2::labs(subtitle = rstatix::get_test_label(aov, detailed = T, row = which(aov$Effect == "grupo:genero"))) +
ggplot2::scale_color_manual(values = color[["genero"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

Checking normality and
homogeneity
if (length(unique(pdat[["genero"]])) >= 2)
res <- augment(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*genero, data = wdat))
if (length(unique(pdat[["genero"]])) >= 2)
shapiro_test(res$.resid)
## # A tibble: 1 × 3
## variable statistic p.value
## <chr> <dbl> <dbl>
## 1 res$.resid 0.977 0.133
if (length(unique(pdat[["genero"]])) >= 2)
levene_test(res, .resid ~ grupo*genero)
## # A tibble: 1 × 4
## df1 df2 statistic p
## <int> <int> <dbl> <dbl>
## 1 3 80 0.439 0.726
ANCOVA
and Pairwise for two factors
grupo:zona.participante
Without remove non-normal
data
pdat = remove_group_data(dat[!is.na(dat[["grupo"]]) & !is.na(dat[["zona.participante"]]),],
"score.vocab.ensinado.pos", c("grupo","zona.participante"))
pdat = pdat[pdat[["zona.participante"]] %in% do.call(
intersect, lapply(unique(pdat[["grupo"]]), FUN = function(x) {
unique(pdat[["zona.participante"]][which(pdat[["grupo"]] == x)])
})),]
pdat[["grupo"]] = factor(pdat[["grupo"]], level[["grupo"]])
pdat[["zona.participante"]] = factor(
pdat[["zona.participante"]],
level[["zona.participante"]][level[["zona.participante"]] %in% unique(pdat[["zona.participante"]])])
pdat.long <- rbind(pdat[,c("id","grupo","zona.participante")], pdat[,c("id","grupo","zona.participante")])
pdat.long[["time"]] <- c(rep("pre", nrow(pdat)), rep("pos", nrow(pdat)))
pdat.long[["time"]] <- factor(pdat.long[["time"]], c("pre","pos"))
pdat.long[["score.vocab.ensinado"]] <- c(pdat[["score.vocab.ensinado.pre"]], pdat[["score.vocab.ensinado.pos"]])
if (length(unique(pdat[["zona.participante"]])) >= 2) {
aov = anova_test(pdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*zona.participante)
laov[["grupo:zona.participante"]] <- get_anova_table(aov)
}
if (length(unique(pdat[["zona.participante"]])) >= 2) {
pwcs <- list()
pwcs[["zona.participante"]] <- emmeans_test(
group_by(pdat, grupo), score.vocab.ensinado.pos ~ zona.participante,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwcs[["grupo"]] <- emmeans_test(
group_by(pdat, zona.participante), score.vocab.ensinado.pos ~ grupo,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwc <- plyr::rbind.fill(pwcs[["grupo"]], pwcs[["zona.participante"]])
pwc <- pwc[,c("grupo","zona.participante", colnames(pwc)[!colnames(pwc) %in% c("grupo","zona.participante")])]
}
if (length(unique(pdat[["zona.participante"]])) >= 2) {
pwc.long <- emmeans_test(dplyr::group_by_at(pdat.long, c("grupo","zona.participante")),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo:zona.participante"]] <- plyr::rbind.fill(pwc, pwc.long)
}
if (length(unique(pdat[["zona.participante"]])) >= 2) {
ds <- get.descriptives(pdat, "score.vocab.ensinado.pos", c("grupo","zona.participante"), covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = c("grupo","zona.participante"), all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwcs[["grupo"]]), ds,
by = c("grupo","zona.participante"), suffixes = c(".emms", ""))
ds <- ds[,c("grupo","zona.participante","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre","mean","se",
"emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo","zona.participante", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo:zona.participante"]] <- ds
}
Computing
ANCOVA and PairWise After removing non-normal data (OK)
if (length(unique(pdat[["zona.participante"]])) >= 2) {
wdat = pdat
res = residuals(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*zona.participante, data = wdat))
non.normal = getNonNormal(res, wdat$id, plimit = 0.05)
wdat = wdat[!wdat$id %in% non.normal,]
wdat.long <- rbind(wdat[,c("id","grupo","zona.participante")], wdat[,c("id","grupo","zona.participante")])
wdat.long[["time"]] <- c(rep("pre", nrow(wdat)), rep("pos", nrow(wdat)))
wdat.long[["time"]] <- factor(wdat.long[["time"]], c("pre","pos"))
wdat.long[["score.vocab.ensinado"]] <- c(wdat[["score.vocab.ensinado.pre"]], wdat[["score.vocab.ensinado.pos"]])
ldat[["grupo:zona.participante"]] = wdat
(non.normal)
}
## NULL
if (length(unique(pdat[["zona.participante"]])) >= 2) {
aov = anova_test(wdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*zona.participante)
laov[["grupo:zona.participante"]] <- merge(get_anova_table(aov), laov[["grupo:zona.participante"]],
by="Effect", suffixes = c("","'"))
df = get_anova_table(aov)
}
| score.vocab.ensinado.pre |
1 |
64 |
1.945 |
0.168 |
|
0.029 |
| grupo |
1 |
64 |
0.155 |
0.695 |
|
0.002 |
| zona.participante |
1 |
64 |
0.022 |
0.881 |
|
0.000 |
| grupo:zona.participante |
1 |
64 |
2.431 |
0.124 |
|
0.037 |
if (length(unique(pdat[["zona.participante"]])) >= 2) {
pwcs <- list()
pwcs[["zona.participante"]] <- emmeans_test(
group_by(wdat, grupo), score.vocab.ensinado.pos ~ zona.participante,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwcs[["grupo"]] <- emmeans_test(
group_by(wdat, zona.participante), score.vocab.ensinado.pos ~ grupo,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwc <- plyr::rbind.fill(pwcs[["grupo"]], pwcs[["zona.participante"]])
pwc <- pwc[,c("grupo","zona.participante", colnames(pwc)[!colnames(pwc) %in% c("grupo","zona.participante")])]
}
|
Rural |
score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
64 |
0.951 |
0.345 |
0.345 |
ns |
|
Urbana |
score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
64 |
-1.279 |
0.206 |
0.206 |
ns |
| Controle |
|
score.vocab.ensinado.pre*zona.participante |
score.vocab.ensinado.pos |
Rural |
Urbana |
64 |
1.195 |
0.237 |
0.237 |
ns |
| Experimental |
|
score.vocab.ensinado.pre*zona.participante |
score.vocab.ensinado.pos |
Rural |
Urbana |
64 |
-1.008 |
0.317 |
0.317 |
ns |
if (length(unique(pdat[["zona.participante"]])) >= 2) {
pwc.long <- emmeans_test(dplyr::group_by_at(wdat.long, c("grupo","zona.participante")),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo:zona.participante"]] <- merge(plyr::rbind.fill(pwc, pwc.long),
lpwc[["grupo:zona.participante"]],
by=c("grupo","zona.participante","term",".y.","group1","group2"),
suffixes = c("","'"))
}
| Controle |
Rural |
time |
score.vocab.ensinado |
pre |
pos |
130 |
-1.229 |
0.221 |
0.221 |
ns |
| Controle |
Urbana |
time |
score.vocab.ensinado |
pre |
pos |
130 |
0.668 |
0.506 |
0.506 |
ns |
| Experimental |
Rural |
time |
score.vocab.ensinado |
pre |
pos |
130 |
0.769 |
0.443 |
0.443 |
ns |
| Experimental |
Urbana |
time |
score.vocab.ensinado |
pre |
pos |
130 |
-0.106 |
0.915 |
0.915 |
ns |
if (length(unique(pdat[["zona.participante"]])) >= 2) {
ds <- get.descriptives(wdat, "score.vocab.ensinado.pos", c("grupo","zona.participante"), covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = c("grupo","zona.participante"), all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwcs[["grupo"]]), ds,
by = c("grupo","zona.participante"), suffixes = c(".emms", ""))
ds <- ds[,c("grupo","zona.participante","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre",
"mean","se","emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo","zona.participante", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo:zona.participante"]] <- merge(ds, lemms[["grupo:zona.participante"]],
by=c("grupo","zona.participante"), suffixes = c("","'"))
}
| Controle |
Rural |
12 |
2.000 |
0.444 |
2.833 |
0.520 |
2.948 |
0.516 |
1.918 |
3.978 |
| Controle |
Urbana |
26 |
2.500 |
0.320 |
2.192 |
0.368 |
2.208 |
0.346 |
1.517 |
2.899 |
| Experimental |
Rural |
15 |
2.800 |
0.327 |
2.333 |
0.386 |
2.290 |
0.456 |
1.378 |
3.201 |
| Experimental |
Urbana |
16 |
2.938 |
0.403 |
3.000 |
0.456 |
2.929 |
0.444 |
2.043 |
3.816 |
Plots for ancova
if (length(unique(pdat[["zona.participante"]])) >= 2) {
ggPlotAoC2(pwcs, "grupo", "zona.participante", aov, ylab = "Vocabulary taught",
subtitle = which(aov$Effect == "grupo:zona.participante"), addParam = "errorbar") +
ggplot2::scale_color_manual(values = color[["zona.participante"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin.ci < ymax.ci) ggplot2::ylim(ymin.ci, ymax.ci)
}
## Scale for colour is already present.
## Adding another scale for colour, which will replace the existing scale.

if (length(unique(pdat[["zona.participante"]])) >= 2) {
ggPlotAoC2(pwcs, "zona.participante", "grupo", aov, ylab = "Vocabulary taught",
subtitle = which(aov$Effect == "grupo:zona.participante"), addParam = "errorbar") +
ggplot2::scale_color_manual(values = color[["grupo"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin.ci < ymax.ci) ggplot2::ylim(ymin.ci, ymax.ci)
}
## Scale for colour is already present.
## Adding another scale for colour, which will replace the existing scale.

if (length(unique(pdat[["zona.participante"]])) >= 2) {
plots <- twoWayAncovaBoxPlots(
wdat, "score.vocab.ensinado.pos", c("grupo","zona.participante"), aov, pwcs, covar = "score.vocab.ensinado.pre",
theme = "classic", color = color[["grupo:zona.participante"]],
subtitle = which(aov$Effect == "grupo:zona.participante"))
}
if (length(unique(pdat[["zona.participante"]])) >= 2) {
plots[["grupo:zona.participante"]] + ggplot2::ylab("Vocabulary taught") +
ggplot2::scale_x_discrete(labels=c('pre', 'pos')) +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}
## Warning: No shared levels found between `names(values)` of the manual scale and the data's colour values.

if (length(unique(pdat[["zona.participante"]])) >= 2) {
plots <- twoWayAncovaBoxPlots(
wdat.long, "score.vocab.ensinado", c("grupo","zona.participante"), aov, pwc.long,
pre.post = "time",
theme = "classic", color = color$prepost)
}
if (length(unique(pdat[["zona.participante"]])) >= 2)
plots[["grupo:zona.participante"]] + ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)

Checking linearity
assumption
if (length(unique(pdat[["zona.participante"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
facet.by = c("grupo","zona.participante"), add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"))
) + ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

if (length(unique(pdat[["zona.participante"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
color = "grupo", facet.by = "zona.participante", add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"), color = grupo)
) +
ggplot2::labs(subtitle = rstatix::get_test_label(aov, detailed = T, row = which(aov$Effect == "grupo:zona.participante"))) +
ggplot2::scale_color_manual(values = color[["grupo"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

if (length(unique(pdat[["zona.participante"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
color = "zona.participante", facet.by = "grupo", add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"), color = zona.participante)
) +
ggplot2::labs(subtitle = rstatix::get_test_label(aov, detailed = T, row = which(aov$Effect == "grupo:zona.participante"))) +
ggplot2::scale_color_manual(values = color[["zona.participante"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

Checking normality and
homogeneity
if (length(unique(pdat[["zona.participante"]])) >= 2)
res <- augment(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*zona.participante, data = wdat))
if (length(unique(pdat[["zona.participante"]])) >= 2)
shapiro_test(res$.resid)
## # A tibble: 1 × 3
## variable statistic p.value
## <chr> <dbl> <dbl>
## 1 res$.resid 0.969 0.0856
if (length(unique(pdat[["zona.participante"]])) >= 2)
levene_test(res, .resid ~ grupo*zona.participante)
## # A tibble: 1 × 4
## df1 df2 statistic p
## <int> <int> <dbl> <dbl>
## 1 3 65 0.764 0.518
ANCOVA and
Pairwise for two factors grupo:zona.escola
Without remove non-normal
data
pdat = remove_group_data(dat[!is.na(dat[["grupo"]]) & !is.na(dat[["zona.escola"]]),],
"score.vocab.ensinado.pos", c("grupo","zona.escola"))
pdat = pdat[pdat[["zona.escola"]] %in% do.call(
intersect, lapply(unique(pdat[["grupo"]]), FUN = function(x) {
unique(pdat[["zona.escola"]][which(pdat[["grupo"]] == x)])
})),]
pdat[["grupo"]] = factor(pdat[["grupo"]], level[["grupo"]])
pdat[["zona.escola"]] = factor(
pdat[["zona.escola"]],
level[["zona.escola"]][level[["zona.escola"]] %in% unique(pdat[["zona.escola"]])])
pdat.long <- rbind(pdat[,c("id","grupo","zona.escola")], pdat[,c("id","grupo","zona.escola")])
pdat.long[["time"]] <- c(rep("pre", nrow(pdat)), rep("pos", nrow(pdat)))
pdat.long[["time"]] <- factor(pdat.long[["time"]], c("pre","pos"))
pdat.long[["score.vocab.ensinado"]] <- c(pdat[["score.vocab.ensinado.pre"]], pdat[["score.vocab.ensinado.pos"]])
if (length(unique(pdat[["zona.escola"]])) >= 2) {
aov = anova_test(pdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*zona.escola)
laov[["grupo:zona.escola"]] <- get_anova_table(aov)
}
if (length(unique(pdat[["zona.escola"]])) >= 2) {
pwcs <- list()
pwcs[["zona.escola"]] <- emmeans_test(
group_by(pdat, grupo), score.vocab.ensinado.pos ~ zona.escola,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwcs[["grupo"]] <- emmeans_test(
group_by(pdat, zona.escola), score.vocab.ensinado.pos ~ grupo,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwc <- plyr::rbind.fill(pwcs[["grupo"]], pwcs[["zona.escola"]])
pwc <- pwc[,c("grupo","zona.escola", colnames(pwc)[!colnames(pwc) %in% c("grupo","zona.escola")])]
}
if (length(unique(pdat[["zona.escola"]])) >= 2) {
pwc.long <- emmeans_test(dplyr::group_by_at(pdat.long, c("grupo","zona.escola")),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo:zona.escola"]] <- plyr::rbind.fill(pwc, pwc.long)
}
if (length(unique(pdat[["zona.escola"]])) >= 2) {
ds <- get.descriptives(pdat, "score.vocab.ensinado.pos", c("grupo","zona.escola"), covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = c("grupo","zona.escola"), all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwcs[["grupo"]]), ds,
by = c("grupo","zona.escola"), suffixes = c(".emms", ""))
ds <- ds[,c("grupo","zona.escola","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre","mean","se",
"emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo","zona.escola", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo:zona.escola"]] <- ds
}
Computing
ANCOVA and PairWise After removing non-normal data (OK)
if (length(unique(pdat[["zona.escola"]])) >= 2) {
wdat = pdat
res = residuals(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*zona.escola, data = wdat))
non.normal = getNonNormal(res, wdat$id, plimit = 0.05)
wdat = wdat[!wdat$id %in% non.normal,]
wdat.long <- rbind(wdat[,c("id","grupo","zona.escola")], wdat[,c("id","grupo","zona.escola")])
wdat.long[["time"]] <- c(rep("pre", nrow(wdat)), rep("pos", nrow(wdat)))
wdat.long[["time"]] <- factor(wdat.long[["time"]], c("pre","pos"))
wdat.long[["score.vocab.ensinado"]] <- c(wdat[["score.vocab.ensinado.pre"]], wdat[["score.vocab.ensinado.pos"]])
ldat[["grupo:zona.escola"]] = wdat
(non.normal)
}
## [1] "P264" "P286" "P78" "P290" "P85"
if (length(unique(pdat[["zona.escola"]])) >= 2) {
aov = anova_test(wdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*zona.escola)
laov[["grupo:zona.escola"]] <- merge(get_anova_table(aov), laov[["grupo:zona.escola"]],
by="Effect", suffixes = c("","'"))
df = get_anova_table(aov)
}
| score.vocab.ensinado.pre |
1 |
82 |
1.572 |
0.213 |
|
0.019 |
| grupo |
1 |
82 |
2.241 |
0.138 |
|
0.027 |
| zona.escola |
1 |
82 |
0.019 |
0.890 |
|
0.000 |
| grupo:zona.escola |
1 |
82 |
0.307 |
0.581 |
|
0.004 |
if (length(unique(pdat[["zona.escola"]])) >= 2) {
pwcs <- list()
pwcs[["zona.escola"]] <- emmeans_test(
group_by(wdat, grupo), score.vocab.ensinado.pos ~ zona.escola,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwcs[["grupo"]] <- emmeans_test(
group_by(wdat, zona.escola), score.vocab.ensinado.pos ~ grupo,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwc <- plyr::rbind.fill(pwcs[["grupo"]], pwcs[["zona.escola"]])
pwc <- pwc[,c("grupo","zona.escola", colnames(pwc)[!colnames(pwc) %in% c("grupo","zona.escola")])]
}
|
Rural |
score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
82 |
-0.343 |
0.733 |
0.733 |
ns |
|
Urbana |
score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
82 |
-1.561 |
0.122 |
0.122 |
ns |
| Controle |
|
score.vocab.ensinado.pre*zona.escola |
score.vocab.ensinado.pos |
Rural |
Urbana |
82 |
0.290 |
0.773 |
0.773 |
ns |
| Experimental |
|
score.vocab.ensinado.pre*zona.escola |
score.vocab.ensinado.pos |
Rural |
Urbana |
82 |
-0.493 |
0.623 |
0.623 |
ns |
if (length(unique(pdat[["zona.escola"]])) >= 2) {
pwc.long <- emmeans_test(dplyr::group_by_at(wdat.long, c("grupo","zona.escola")),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo:zona.escola"]] <- merge(plyr::rbind.fill(pwc, pwc.long),
lpwc[["grupo:zona.escola"]],
by=c("grupo","zona.escola","term",".y.","group1","group2"),
suffixes = c("","'"))
}
| Controle |
Rural |
time |
score.vocab.ensinado |
pre |
pos |
166 |
0.000 |
1.000 |
1.000 |
ns |
| Controle |
Urbana |
time |
score.vocab.ensinado |
pre |
pos |
166 |
1.014 |
0.312 |
0.312 |
ns |
| Experimental |
Rural |
time |
score.vocab.ensinado |
pre |
pos |
166 |
0.519 |
0.604 |
0.604 |
ns |
| Experimental |
Urbana |
time |
score.vocab.ensinado |
pre |
pos |
166 |
-0.184 |
0.855 |
0.855 |
ns |
if (length(unique(pdat[["zona.escola"]])) >= 2) {
ds <- get.descriptives(wdat, "score.vocab.ensinado.pos", c("grupo","zona.escola"), covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = c("grupo","zona.escola"), all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwcs[["grupo"]]), ds,
by = c("grupo","zona.escola"), suffixes = c(".emms", ""))
ds <- ds[,c("grupo","zona.escola","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre",
"mean","se","emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo","zona.escola", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo:zona.escola"]] <- merge(ds, lemms[["grupo:zona.escola"]],
by=c("grupo","zona.escola"), suffixes = c("","'"))
}
| Controle |
Rural |
12 |
2.250 |
0.463 |
2.250 |
0.218 |
2.294 |
0.435 |
1.429 |
3.159 |
| Controle |
Urbana |
36 |
2.500 |
0.257 |
2.139 |
0.268 |
2.149 |
0.250 |
1.651 |
2.647 |
| Experimental |
Rural |
13 |
2.846 |
0.317 |
2.538 |
0.538 |
2.501 |
0.417 |
1.671 |
3.332 |
| Experimental |
Urbana |
26 |
2.692 |
0.313 |
2.769 |
0.268 |
2.753 |
0.295 |
2.167 |
3.340 |
Plots for ancova
if (length(unique(pdat[["zona.escola"]])) >= 2) {
ggPlotAoC2(pwcs, "grupo", "zona.escola", aov, ylab = "Vocabulary taught",
subtitle = which(aov$Effect == "grupo:zona.escola"), addParam = "errorbar") +
ggplot2::scale_color_manual(values = color[["zona.escola"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin.ci < ymax.ci) ggplot2::ylim(ymin.ci, ymax.ci)
}
## Scale for colour is already present.
## Adding another scale for colour, which will replace the existing scale.

if (length(unique(pdat[["zona.escola"]])) >= 2) {
ggPlotAoC2(pwcs, "zona.escola", "grupo", aov, ylab = "Vocabulary taught",
subtitle = which(aov$Effect == "grupo:zona.escola"), addParam = "errorbar") +
ggplot2::scale_color_manual(values = color[["grupo"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin.ci < ymax.ci) ggplot2::ylim(ymin.ci, ymax.ci)
}
## Scale for colour is already present.
## Adding another scale for colour, which will replace the existing scale.

if (length(unique(pdat[["zona.escola"]])) >= 2) {
plots <- twoWayAncovaBoxPlots(
wdat, "score.vocab.ensinado.pos", c("grupo","zona.escola"), aov, pwcs, covar = "score.vocab.ensinado.pre",
theme = "classic", color = color[["grupo:zona.escola"]],
subtitle = which(aov$Effect == "grupo:zona.escola"))
}
if (length(unique(pdat[["zona.escola"]])) >= 2) {
plots[["grupo:zona.escola"]] + ggplot2::ylab("Vocabulary taught") +
ggplot2::scale_x_discrete(labels=c('pre', 'pos')) +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}
## Warning: No shared levels found between `names(values)` of the manual scale and the data's colour values.

if (length(unique(pdat[["zona.escola"]])) >= 2) {
plots <- twoWayAncovaBoxPlots(
wdat.long, "score.vocab.ensinado", c("grupo","zona.escola"), aov, pwc.long,
pre.post = "time",
theme = "classic", color = color$prepost)
}
if (length(unique(pdat[["zona.escola"]])) >= 2)
plots[["grupo:zona.escola"]] + ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)

Checking linearity
assumption
if (length(unique(pdat[["zona.escola"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
facet.by = c("grupo","zona.escola"), add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"))
) + ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

if (length(unique(pdat[["zona.escola"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
color = "grupo", facet.by = "zona.escola", add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"), color = grupo)
) +
ggplot2::labs(subtitle = rstatix::get_test_label(aov, detailed = T, row = which(aov$Effect == "grupo:zona.escola"))) +
ggplot2::scale_color_manual(values = color[["grupo"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

if (length(unique(pdat[["zona.escola"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
color = "zona.escola", facet.by = "grupo", add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"), color = zona.escola)
) +
ggplot2::labs(subtitle = rstatix::get_test_label(aov, detailed = T, row = which(aov$Effect == "grupo:zona.escola"))) +
ggplot2::scale_color_manual(values = color[["zona.escola"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

Checking normality and
homogeneity
if (length(unique(pdat[["zona.escola"]])) >= 2)
res <- augment(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*zona.escola, data = wdat))
if (length(unique(pdat[["zona.escola"]])) >= 2)
shapiro_test(res$.resid)
## # A tibble: 1 × 3
## variable statistic p.value
## <chr> <dbl> <dbl>
## 1 res$.resid 0.984 0.365
if (length(unique(pdat[["zona.escola"]])) >= 2)
levene_test(res, .resid ~ grupo*zona.escola)
## # A tibble: 1 × 4
## df1 df2 statistic p
## <int> <int> <dbl> <dbl>
## 1 3 83 2.00 0.120
ANCOVA
and Pairwise for two factors
grupo:score.vocab.ensinado.quintile
Without remove non-normal
data
pdat = remove_group_data(dat[!is.na(dat[["grupo"]]) & !is.na(dat[["score.vocab.ensinado.quintile"]]),],
"score.vocab.ensinado.pos", c("grupo","score.vocab.ensinado.quintile"))
## Warning: There was 1 warning in `mutate()`.
## ℹ In argument: `ci = abs(stats::qt(alpha/2, .data$n - 1) * .data$se)`.
## Caused by warning:
## ! There was 1 warning in `mutate()`.
## ℹ In argument: `ci = abs(stats::qt(alpha/2, .data$n - 1) * .data$se)`.
## Caused by warning in `stats::qt()`:
## ! NaNs produced
pdat = pdat[pdat[["score.vocab.ensinado.quintile"]] %in% do.call(
intersect, lapply(unique(pdat[["grupo"]]), FUN = function(x) {
unique(pdat[["score.vocab.ensinado.quintile"]][which(pdat[["grupo"]] == x)])
})),]
pdat[["grupo"]] = factor(pdat[["grupo"]], level[["grupo"]])
pdat[["score.vocab.ensinado.quintile"]] = factor(
pdat[["score.vocab.ensinado.quintile"]],
level[["score.vocab.ensinado.quintile"]][level[["score.vocab.ensinado.quintile"]] %in% unique(pdat[["score.vocab.ensinado.quintile"]])])
pdat.long <- rbind(pdat[,c("id","grupo","score.vocab.ensinado.quintile")], pdat[,c("id","grupo","score.vocab.ensinado.quintile")])
pdat.long[["time"]] <- c(rep("pre", nrow(pdat)), rep("pos", nrow(pdat)))
pdat.long[["time"]] <- factor(pdat.long[["time"]], c("pre","pos"))
pdat.long[["score.vocab.ensinado"]] <- c(pdat[["score.vocab.ensinado.pre"]], pdat[["score.vocab.ensinado.pos"]])
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
aov = anova_test(pdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*score.vocab.ensinado.quintile)
laov[["grupo:score.vocab.ensinado.quintile"]] <- get_anova_table(aov)
}
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
pwcs <- list()
pwcs[["score.vocab.ensinado.quintile"]] <- emmeans_test(
group_by(pdat, grupo), score.vocab.ensinado.pos ~ score.vocab.ensinado.quintile,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwcs[["grupo"]] <- emmeans_test(
group_by(pdat, score.vocab.ensinado.quintile), score.vocab.ensinado.pos ~ grupo,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwc <- plyr::rbind.fill(pwcs[["grupo"]], pwcs[["score.vocab.ensinado.quintile"]])
pwc <- pwc[,c("grupo","score.vocab.ensinado.quintile", colnames(pwc)[!colnames(pwc) %in% c("grupo","score.vocab.ensinado.quintile")])]
}
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
pwc.long <- emmeans_test(dplyr::group_by_at(pdat.long, c("grupo","score.vocab.ensinado.quintile")),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo:score.vocab.ensinado.quintile"]] <- plyr::rbind.fill(pwc, pwc.long)
}
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
ds <- get.descriptives(pdat, "score.vocab.ensinado.pos", c("grupo","score.vocab.ensinado.quintile"), covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = c("grupo","score.vocab.ensinado.quintile"), all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwcs[["grupo"]]), ds,
by = c("grupo","score.vocab.ensinado.quintile"), suffixes = c(".emms", ""))
ds <- ds[,c("grupo","score.vocab.ensinado.quintile","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre","mean","se",
"emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo","score.vocab.ensinado.quintile", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo:score.vocab.ensinado.quintile"]] <- ds
}
Computing
ANCOVA and PairWise After removing non-normal data (OK)
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
wdat = pdat
res = residuals(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*score.vocab.ensinado.quintile, data = wdat))
non.normal = getNonNormal(res, wdat$id, plimit = 0.05)
wdat = wdat[!wdat$id %in% non.normal,]
wdat.long <- rbind(wdat[,c("id","grupo","score.vocab.ensinado.quintile")], wdat[,c("id","grupo","score.vocab.ensinado.quintile")])
wdat.long[["time"]] <- c(rep("pre", nrow(wdat)), rep("pos", nrow(wdat)))
wdat.long[["time"]] <- factor(wdat.long[["time"]], c("pre","pos"))
wdat.long[["score.vocab.ensinado"]] <- c(wdat[["score.vocab.ensinado.pre"]], wdat[["score.vocab.ensinado.pos"]])
ldat[["grupo:score.vocab.ensinado.quintile"]] = wdat
(non.normal)
}
## [1] "P255" "P286" "P300" "P264" "P76" "P69" "P66" "P294" "P274" "P262" "P167" "P210" "P73" "P296" "P78" "P81"
## [17] "P97" "P272" "P80" "P281" "P83" "P270" "P261" "P256" "P271" "P283" "P236" "P64" "P277" "P245" "P74" "P258"
## [33] "P234" "P250" "P93" "P290" "P251" "P230" "P284" "P273" "P303" "P171" "P297" "P211" "P85" "P92" "P65" "P288"
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
aov = anova_test(wdat, score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*score.vocab.ensinado.quintile)
laov[["grupo:score.vocab.ensinado.quintile"]] <- merge(get_anova_table(aov), laov[["grupo:score.vocab.ensinado.quintile"]],
by="Effect", suffixes = c("","'"))
df = get_anova_table(aov)
}
| score.vocab.ensinado.pre |
1 |
36 |
3.033 |
0.090 |
|
0.078 |
| grupo |
1 |
36 |
3.958 |
0.054 |
|
0.099 |
| score.vocab.ensinado.quintile |
2 |
36 |
2.496 |
0.097 |
|
0.122 |
| grupo:score.vocab.ensinado.quintile |
2 |
36 |
9.983 |
0.000 |
* |
0.357 |
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
pwcs <- list()
pwcs[["score.vocab.ensinado.quintile"]] <- emmeans_test(
group_by(wdat, grupo), score.vocab.ensinado.pos ~ score.vocab.ensinado.quintile,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwcs[["grupo"]] <- emmeans_test(
group_by(wdat, score.vocab.ensinado.quintile), score.vocab.ensinado.pos ~ grupo,
covariate = score.vocab.ensinado.pre, p.adjust.method = "bonferroni")
pwc <- plyr::rbind.fill(pwcs[["grupo"]], pwcs[["score.vocab.ensinado.quintile"]])
pwc <- pwc[,c("grupo","score.vocab.ensinado.quintile", colnames(pwc)[!colnames(pwc) %in% c("grupo","score.vocab.ensinado.quintile")])]
}
|
1st quintile |
score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
36 |
-3.531 |
0.001 |
0.001 |
** |
|
2nd quintile |
score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
36 |
-2.353 |
0.024 |
0.024 |
* |
|
3rd quintile |
score.vocab.ensinado.pre*grupo |
score.vocab.ensinado.pos |
Controle |
Experimental |
36 |
2.455 |
0.019 |
0.019 |
* |
| Controle |
|
score.vocab.ensinado.pre*score.vocab.ensinado.quintile |
score.vocab.ensinado.pos |
1st quintile |
2nd quintile |
36 |
0.503 |
0.618 |
1.000 |
ns |
| Controle |
|
score.vocab.ensinado.pre*score.vocab.ensinado.quintile |
score.vocab.ensinado.pos |
1st quintile |
3rd quintile |
36 |
0.286 |
0.777 |
1.000 |
ns |
| Controle |
|
score.vocab.ensinado.pre*score.vocab.ensinado.quintile |
score.vocab.ensinado.pos |
2nd quintile |
3rd quintile |
36 |
-0.014 |
0.989 |
1.000 |
ns |
| Experimental |
|
score.vocab.ensinado.pre*score.vocab.ensinado.quintile |
score.vocab.ensinado.pos |
1st quintile |
2nd quintile |
36 |
1.862 |
0.071 |
0.213 |
ns |
| Experimental |
|
score.vocab.ensinado.pre*score.vocab.ensinado.quintile |
score.vocab.ensinado.pos |
1st quintile |
3rd quintile |
36 |
3.301 |
0.002 |
0.007 |
** |
| Experimental |
|
score.vocab.ensinado.pre*score.vocab.ensinado.quintile |
score.vocab.ensinado.pos |
2nd quintile |
3rd quintile |
36 |
3.490 |
0.001 |
0.004 |
** |
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
pwc.long <- emmeans_test(dplyr::group_by_at(wdat.long, c("grupo","score.vocab.ensinado.quintile")),
score.vocab.ensinado ~ time,
p.adjust.method = "bonferroni")
lpwc[["grupo:score.vocab.ensinado.quintile"]] <- merge(plyr::rbind.fill(pwc, pwc.long),
lpwc[["grupo:score.vocab.ensinado.quintile"]],
by=c("grupo","score.vocab.ensinado.quintile","term",".y.","group1","group2"),
suffixes = c("","'"))
}
| Controle |
1st quintile |
time |
score.vocab.ensinado |
pre |
pos |
74 |
-5.697 |
0.000 |
0.000 |
**** |
| Controle |
2nd quintile |
time |
score.vocab.ensinado |
pre |
pos |
74 |
-1.415 |
0.161 |
0.161 |
ns |
| Controle |
3rd quintile |
time |
score.vocab.ensinado |
pre |
pos |
74 |
1.513 |
0.135 |
0.135 |
ns |
| Experimental |
1st quintile |
time |
score.vocab.ensinado |
pre |
pos |
74 |
-6.356 |
0.000 |
0.000 |
**** |
| Experimental |
2nd quintile |
time |
score.vocab.ensinado |
pre |
pos |
74 |
-4.431 |
0.000 |
0.000 |
**** |
| Experimental |
3rd quintile |
time |
score.vocab.ensinado |
pre |
pos |
74 |
3.581 |
0.001 |
0.001 |
*** |
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
ds <- get.descriptives(wdat, "score.vocab.ensinado.pos", c("grupo","score.vocab.ensinado.quintile"), covar = "score.vocab.ensinado.pre")
ds <- merge(ds[ds$variable != "score.vocab.ensinado.pre",],
ds[ds$variable == "score.vocab.ensinado.pre", !colnames(ds) %in% c("variable")],
by = c("grupo","score.vocab.ensinado.quintile"), all.x = T, suffixes = c("", ".score.vocab.ensinado.pre"))
ds <- merge(get_emmeans(pwcs[["grupo"]]), ds,
by = c("grupo","score.vocab.ensinado.quintile"), suffixes = c(".emms", ""))
ds <- ds[,c("grupo","score.vocab.ensinado.quintile","n","mean.score.vocab.ensinado.pre","se.score.vocab.ensinado.pre",
"mean","se","emmean","se.emms","conf.low","conf.high")]
colnames(ds) <- c("grupo","score.vocab.ensinado.quintile", "N", paste0(c("M","SE")," (pre)"),
paste0(c("M","SE"), " (unadj)"),
paste0(c("M", "SE"), " (adj)"), "conf.low", "conf.high")
lemms[["grupo:score.vocab.ensinado.quintile"]] <- merge(ds, lemms[["grupo:score.vocab.ensinado.quintile"]],
by=c("grupo","score.vocab.ensinado.quintile"), suffixes = c("","'"))
}
| Controle |
1st quintile |
10 |
0.600 |
0.163 |
2.400 |
0.221 |
3.160 |
0.507 |
2.131 |
4.189 |
| Controle |
2nd quintile |
8 |
2.375 |
0.183 |
2.875 |
0.227 |
2.864 |
0.290 |
2.276 |
3.451 |
| Controle |
3rd quintile |
7 |
4.286 |
0.286 |
3.714 |
0.565 |
2.873 |
0.574 |
1.709 |
4.037 |
| Experimental |
1st quintile |
3 |
0.667 |
0.333 |
4.333 |
0.333 |
5.064 |
0.632 |
3.782 |
6.346 |
| Experimental |
2nd quintile |
10 |
2.400 |
0.163 |
3.800 |
0.200 |
3.778 |
0.259 |
3.252 |
4.304 |
| Experimental |
3rd quintile |
5 |
4.000 |
0.000 |
2.400 |
0.245 |
1.683 |
0.551 |
0.565 |
2.800 |
Plots for ancova
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
ggPlotAoC2(pwcs, "grupo", "score.vocab.ensinado.quintile", aov, ylab = "Vocabulary taught",
subtitle = which(aov$Effect == "grupo:score.vocab.ensinado.quintile"), addParam = "errorbar") +
ggplot2::scale_color_manual(values = color[["score.vocab.ensinado.quintile"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin.ci < ymax.ci) ggplot2::ylim(ymin.ci, ymax.ci)
}
## Scale for colour is already present.
## Adding another scale for colour, which will replace the existing scale.

if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
ggPlotAoC2(pwcs, "score.vocab.ensinado.quintile", "grupo", aov, ylab = "Vocabulary taught",
subtitle = which(aov$Effect == "grupo:score.vocab.ensinado.quintile"), addParam = "errorbar") +
ggplot2::scale_color_manual(values = color[["grupo"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin.ci < ymax.ci) ggplot2::ylim(ymin.ci, ymax.ci)
}
## Scale for colour is already present.
## Adding another scale for colour, which will replace the existing scale.

if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
plots <- twoWayAncovaBoxPlots(
wdat, "score.vocab.ensinado.pos", c("grupo","score.vocab.ensinado.quintile"), aov, pwcs, covar = "score.vocab.ensinado.pre",
theme = "classic", color = color[["grupo:score.vocab.ensinado.quintile"]],
subtitle = which(aov$Effect == "grupo:score.vocab.ensinado.quintile"))
}
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
plots[["grupo:score.vocab.ensinado.quintile"]] + ggplot2::ylab("Vocabulary taught") +
ggplot2::scale_x_discrete(labels=c('pre', 'pos')) +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}
## Warning: No shared levels found between `names(values)` of the manual scale and the data's colour values.

if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
plots <- twoWayAncovaBoxPlots(
wdat.long, "score.vocab.ensinado", c("grupo","score.vocab.ensinado.quintile"), aov, pwc.long,
pre.post = "time",
theme = "classic", color = color$prepost)
}
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2)
plots[["grupo:score.vocab.ensinado.quintile"]] + ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)

Checking linearity
assumption
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
facet.by = c("grupo","score.vocab.ensinado.quintile"), add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"))
) + ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
color = "grupo", facet.by = "score.vocab.ensinado.quintile", add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"), color = grupo)
) +
ggplot2::labs(subtitle = rstatix::get_test_label(aov, detailed = T, row = which(aov$Effect == "grupo:score.vocab.ensinado.quintile"))) +
ggplot2::scale_color_manual(values = color[["grupo"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2) {
ggscatter(wdat, x = "score.vocab.ensinado.pre", y = "score.vocab.ensinado.pos", size = 0.5,
color = "score.vocab.ensinado.quintile", facet.by = "grupo", add = "reg.line")+
stat_regline_equation(
aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~"), color = score.vocab.ensinado.quintile)
) +
ggplot2::labs(subtitle = rstatix::get_test_label(aov, detailed = T, row = which(aov$Effect == "grupo:score.vocab.ensinado.quintile"))) +
ggplot2::scale_color_manual(values = color[["score.vocab.ensinado.quintile"]]) +
ggplot2::ylab("Vocabulary taught") +
if (ymin < ymax) ggplot2::ylim(ymin, ymax)
}

Checking normality and
homogeneity
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2)
res <- augment(lm(score.vocab.ensinado.pos ~ score.vocab.ensinado.pre + grupo*score.vocab.ensinado.quintile, data = wdat))
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2)
shapiro_test(res$.resid)
## # A tibble: 1 × 3
## variable statistic p.value
## <chr> <dbl> <dbl>
## 1 res$.resid 0.964 0.202
if (length(unique(pdat[["score.vocab.ensinado.quintile"]])) >= 2)
levene_test(res, .resid ~ grupo*score.vocab.ensinado.quintile)
## # A tibble: 1 × 4
## df1 df2 statistic p
## <int> <int> <dbl> <dbl>
## 1 5 37 1.29 0.290
Summary of Results
Descriptive Statistics
df <- get.descriptives(ldat[["grupo"]], c(dv.pre, dv.pos), c("grupo"),
include.global = T, symmetry.test = T, normality.test = F)
df <- plyr::rbind.fill(
df, do.call(plyr::rbind.fill, lapply(lfatores2, FUN = function(f) {
if (nrow(dat) > 0 && sum(!is.na(unique(dat[[f]]))) > 1 && paste0("grupo:",f) %in% names(ldat))
get.descriptives(ldat[[paste0("grupo:",f)]], c(dv.pre,dv.pos), c("grupo", f),
symmetry.test = T, normality.test = F)
}))
)
df <- df[,c(fatores1[fatores1 %in% colnames(df)],"variable",
colnames(df)[!colnames(df) %in% c(fatores1,"variable")])]
| Controle |
|
|
|
|
score.vocab.ensinado.pre |
48 |
2.333 |
2.0 |
0 |
6 |
1.464 |
0.211 |
0.425 |
2.25 |
YES |
0.183 |
-0.759 |
| Experimental |
|
|
|
|
score.vocab.ensinado.pre |
36 |
2.667 |
2.0 |
0 |
7 |
1.474 |
0.246 |
0.499 |
2.00 |
NO |
0.619 |
0.205 |
|
|
|
|
|
score.vocab.ensinado.pre |
84 |
2.476 |
2.0 |
0 |
7 |
1.468 |
0.160 |
0.319 |
3.00 |
YES |
0.373 |
-0.170 |
| Controle |
|
|
|
|
score.vocab.ensinado.pos |
48 |
2.167 |
2.0 |
0 |
6 |
1.434 |
0.207 |
0.416 |
2.00 |
NO |
0.646 |
0.412 |
| Experimental |
|
|
|
|
score.vocab.ensinado.pos |
36 |
2.750 |
2.5 |
0 |
5 |
1.381 |
0.230 |
0.467 |
2.00 |
YES |
0.059 |
-1.156 |
|
|
|
|
|
score.vocab.ensinado.pos |
84 |
2.417 |
2.0 |
0 |
6 |
1.433 |
0.156 |
0.311 |
1.25 |
YES |
0.372 |
-0.369 |
| Controle |
F |
|
|
|
score.vocab.ensinado.pre |
24 |
2.625 |
3.0 |
0 |
6 |
1.527 |
0.312 |
0.645 |
2.25 |
YES |
0.124 |
-0.676 |
| Controle |
M |
|
|
|
score.vocab.ensinado.pre |
24 |
2.042 |
2.0 |
0 |
4 |
1.367 |
0.279 |
0.577 |
2.00 |
YES |
0.125 |
-1.360 |
| Experimental |
F |
|
|
|
score.vocab.ensinado.pre |
16 |
2.312 |
2.0 |
0 |
5 |
1.352 |
0.338 |
0.721 |
2.00 |
YES |
0.222 |
-0.949 |
| Experimental |
M |
|
|
|
score.vocab.ensinado.pre |
20 |
2.950 |
2.5 |
1 |
7 |
1.538 |
0.344 |
0.720 |
2.00 |
NO |
0.738 |
0.065 |
| Controle |
F |
|
|
|
score.vocab.ensinado.pos |
24 |
2.167 |
2.0 |
0 |
6 |
1.494 |
0.305 |
0.631 |
1.25 |
NO |
1.152 |
1.165 |
| Controle |
M |
|
|
|
score.vocab.ensinado.pos |
24 |
2.167 |
2.0 |
0 |
5 |
1.404 |
0.287 |
0.593 |
2.00 |
YES |
-0.012 |
-0.909 |
| Experimental |
F |
|
|
|
score.vocab.ensinado.pos |
16 |
2.688 |
2.5 |
0 |
5 |
1.537 |
0.384 |
0.819 |
2.25 |
YES |
-0.022 |
-1.360 |
| Experimental |
M |
|
|
|
score.vocab.ensinado.pos |
20 |
2.800 |
2.5 |
1 |
5 |
1.281 |
0.287 |
0.600 |
2.00 |
YES |
0.211 |
-1.302 |
| Controle |
|
Rural |
|
|
score.vocab.ensinado.pre |
12 |
2.000 |
2.5 |
0 |
4 |
1.537 |
0.444 |
0.977 |
2.25 |
YES |
-0.138 |
-1.717 |
| Controle |
|
Urbana |
|
|
score.vocab.ensinado.pre |
26 |
2.500 |
2.0 |
0 |
6 |
1.631 |
0.320 |
0.659 |
3.00 |
YES |
0.479 |
-0.610 |
| Experimental |
|
Rural |
|
|
score.vocab.ensinado.pre |
15 |
2.800 |
3.0 |
1 |
5 |
1.265 |
0.327 |
0.700 |
1.50 |
YES |
0.348 |
-1.072 |
| Experimental |
|
Urbana |
|
|
score.vocab.ensinado.pre |
16 |
2.938 |
3.0 |
0 |
7 |
1.611 |
0.403 |
0.859 |
2.00 |
NO |
0.543 |
0.443 |
| Controle |
|
Rural |
|
|
score.vocab.ensinado.pos |
12 |
2.833 |
2.0 |
1 |
8 |
1.801 |
0.520 |
1.144 |
1.00 |
NO |
1.854 |
2.776 |
| Controle |
|
Urbana |
|
|
score.vocab.ensinado.pos |
26 |
2.192 |
2.0 |
0 |
6 |
1.877 |
0.368 |
0.758 |
2.00 |
NO |
0.780 |
-0.425 |
| Experimental |
|
Rural |
|
|
score.vocab.ensinado.pos |
15 |
2.333 |
2.0 |
0 |
5 |
1.496 |
0.386 |
0.828 |
2.00 |
YES |
0.062 |
-1.140 |
| Experimental |
|
Urbana |
|
|
score.vocab.ensinado.pos |
16 |
3.000 |
3.5 |
0 |
6 |
1.826 |
0.456 |
0.973 |
2.25 |
YES |
-0.246 |
-1.234 |
| Controle |
|
|
Rural |
|
score.vocab.ensinado.pre |
12 |
2.250 |
2.0 |
0 |
5 |
1.603 |
0.463 |
1.018 |
2.25 |
YES |
0.235 |
-1.550 |
| Controle |
|
|
Urbana |
|
score.vocab.ensinado.pre |
36 |
2.500 |
2.0 |
0 |
6 |
1.540 |
0.257 |
0.521 |
2.25 |
YES |
0.251 |
-0.415 |
| Experimental |
|
|
Rural |
|
score.vocab.ensinado.pre |
13 |
2.846 |
3.0 |
1 |
5 |
1.144 |
0.317 |
0.691 |
2.00 |
YES |
0.272 |
-1.155 |
| Experimental |
|
|
Urbana |
|
score.vocab.ensinado.pre |
26 |
2.692 |
2.5 |
0 |
7 |
1.594 |
0.313 |
0.644 |
2.75 |
NO |
0.545 |
-0.045 |
| Controle |
|
|
Rural |
|
score.vocab.ensinado.pos |
12 |
2.250 |
2.0 |
1 |
3 |
0.754 |
0.218 |
0.479 |
1.00 |
few data |
0.000 |
0.000 |
| Controle |
|
|
Urbana |
|
score.vocab.ensinado.pos |
36 |
2.139 |
2.0 |
0 |
6 |
1.606 |
0.268 |
0.543 |
2.00 |
NO |
0.665 |
-0.090 |
| Experimental |
|
|
Rural |
|
score.vocab.ensinado.pos |
13 |
2.538 |
2.0 |
0 |
6 |
1.941 |
0.538 |
1.173 |
3.00 |
YES |
0.356 |
-1.288 |
| Experimental |
|
|
Urbana |
|
score.vocab.ensinado.pos |
26 |
2.769 |
3.0 |
0 |
5 |
1.366 |
0.268 |
0.552 |
2.00 |
YES |
-0.142 |
-1.138 |
| Controle |
|
|
|
1st quintile |
score.vocab.ensinado.pre |
10 |
0.600 |
1.0 |
0 |
1 |
0.516 |
0.163 |
0.369 |
1.00 |
few data |
0.000 |
0.000 |
| Controle |
|
|
|
2nd quintile |
score.vocab.ensinado.pre |
8 |
2.375 |
2.0 |
2 |
3 |
0.518 |
0.183 |
0.433 |
1.00 |
few data |
0.000 |
0.000 |
| Controle |
|
|
|
3rd quintile |
score.vocab.ensinado.pre |
7 |
4.286 |
4.0 |
4 |
6 |
0.756 |
0.286 |
0.699 |
0.00 |
few data |
0.000 |
0.000 |
| Experimental |
|
|
|
1st quintile |
score.vocab.ensinado.pre |
3 |
0.667 |
1.0 |
0 |
1 |
0.577 |
0.333 |
1.434 |
0.50 |
few data |
0.000 |
0.000 |
| Experimental |
|
|
|
2nd quintile |
score.vocab.ensinado.pre |
10 |
2.400 |
2.0 |
2 |
3 |
0.516 |
0.163 |
0.369 |
1.00 |
few data |
0.000 |
0.000 |
| Experimental |
|
|
|
3rd quintile |
score.vocab.ensinado.pre |
5 |
4.000 |
4.0 |
4 |
4 |
0.000 |
0.000 |
0.000 |
0.00 |
few data |
0.000 |
0.000 |
| Controle |
|
|
|
1st quintile |
score.vocab.ensinado.pos |
10 |
2.400 |
2.0 |
2 |
4 |
0.699 |
0.221 |
0.500 |
0.75 |
few data |
0.000 |
0.000 |
| Controle |
|
|
|
2nd quintile |
score.vocab.ensinado.pos |
8 |
2.875 |
3.0 |
2 |
4 |
0.641 |
0.227 |
0.536 |
0.25 |
few data |
0.000 |
0.000 |
| Controle |
|
|
|
3rd quintile |
score.vocab.ensinado.pos |
7 |
3.714 |
4.0 |
2 |
6 |
1.496 |
0.565 |
1.384 |
2.00 |
YES |
0.157 |
-1.643 |
| Experimental |
|
|
|
1st quintile |
score.vocab.ensinado.pos |
3 |
4.333 |
4.0 |
4 |
5 |
0.577 |
0.333 |
1.434 |
0.50 |
few data |
0.000 |
0.000 |
| Experimental |
|
|
|
2nd quintile |
score.vocab.ensinado.pos |
10 |
3.800 |
4.0 |
3 |
5 |
0.632 |
0.200 |
0.452 |
0.75 |
few data |
0.000 |
0.000 |
| Experimental |
|
|
|
3rd quintile |
score.vocab.ensinado.pos |
5 |
2.400 |
2.0 |
2 |
3 |
0.548 |
0.245 |
0.680 |
1.00 |
few data |
0.000 |
0.000 |
ANCOVA Table Comparison
df <- do.call(plyr::rbind.fill, laov)
df <- df[!duplicated(df$Effect),]
| 1 |
grupo |
1 |
81 |
3.174 |
0.079 |
|
0.038 |
1 |
89 |
0.487 |
0.487 |
|
0.005 |
| 2 |
score.vocab.ensinado.pre |
1 |
81 |
0.429 |
0.514 |
|
0.005 |
1 |
89 |
0.382 |
0.538 |
|
0.004 |
| 3 |
genero |
1 |
79 |
0.028 |
0.868 |
|
0.000 |
1 |
87 |
0.001 |
0.975 |
|
0.000 |
| 5 |
grupo:genero |
1 |
79 |
0.002 |
0.966 |
|
0.000 |
1 |
87 |
0.032 |
0.858 |
|
0.000 |
| 8 |
grupo:zona.participante |
1 |
64 |
2.431 |
0.124 |
|
0.037 |
1 |
64 |
2.431 |
0.124 |
|
0.037 |
| 10 |
zona.participante |
1 |
64 |
0.022 |
0.881 |
|
0.000 |
1 |
64 |
0.022 |
0.881 |
|
0.000 |
| 12 |
grupo:zona.escola |
1 |
82 |
0.307 |
0.581 |
|
0.004 |
1 |
87 |
1.523 |
0.220 |
|
0.017 |
| 14 |
zona.escola |
1 |
82 |
0.019 |
0.890 |
|
0.000 |
1 |
87 |
0.837 |
0.363 |
|
0.010 |
| 16 |
grupo:score.vocab.ensinado.quintile |
2 |
36 |
9.983 |
0.000 |
* |
0.357 |
2 |
84 |
2.030 |
0.138 |
|
0.046 |
| 18 |
score.vocab.ensinado.quintile |
2 |
36 |
2.496 |
0.097 |
|
0.122 |
2 |
84 |
2.586 |
0.081 |
|
0.058 |
PairWise Table Comparison
df <- do.call(plyr::rbind.fill, lpwc)
df <- df[,c(names(lfatores)[names(lfatores) %in% colnames(df)],
names(df)[!names(df) %in% c(names(lfatores),"term",".y.")])]
| Controle |
|
|
|
|
pre |
pos |
164 |
0.567 |
0.571 |
0.571 |
ns |
180 |
0.187 |
0.852 |
0.852 |
ns |
| Experimental |
|
|
|
|
pre |
pos |
164 |
-0.246 |
0.806 |
0.806 |
ns |
180 |
0.545 |
0.586 |
0.586 |
ns |
|
|
|
|
|
Controle |
Experimental |
81 |
-1.782 |
0.079 |
0.079 |
ns |
89 |
-0.698 |
0.487 |
0.487 |
ns |
| Controle |
F |
|
|
|
pre |
pos |
160 |
1.102 |
0.272 |
0.272 |
ns |
176 |
0.527 |
0.599 |
0.599 |
ns |
| Controle |
M |
|
|
|
pre |
pos |
160 |
-0.300 |
0.764 |
0.764 |
ns |
176 |
-0.263 |
0.792 |
0.792 |
ns |
| Controle |
|
|
|
|
F |
M |
79 |
-0.096 |
0.923 |
0.923 |
ns |
87 |
0.099 |
0.922 |
0.922 |
ns |
| Experimental |
F |
|
|
|
pre |
pos |
160 |
-0.736 |
0.463 |
0.463 |
ns |
176 |
0.000 |
1.000 |
1.000 |
ns |
| Experimental |
M |
|
|
|
pre |
pos |
160 |
0.329 |
0.742 |
0.742 |
ns |
176 |
0.733 |
0.465 |
0.465 |
ns |
| Experimental |
|
|
|
|
F |
M |
79 |
-0.141 |
0.889 |
0.889 |
ns |
87 |
-0.155 |
0.877 |
0.877 |
ns |
|
F |
|
|
|
Controle |
Experimental |
79 |
-1.169 |
0.246 |
0.246 |
ns |
87 |
-0.348 |
0.728 |
0.728 |
ns |
|
M |
|
|
|
Controle |
Experimental |
79 |
-1.280 |
0.204 |
0.204 |
ns |
87 |
-0.618 |
0.538 |
0.538 |
ns |
| Controle |
|
|
|
|
Rural |
Urbana |
64 |
1.195 |
0.237 |
0.237 |
ns |
64 |
1.195 |
0.237 |
0.237 |
ns |
| Controle |
|
Rural |
|
|
pre |
pos |
130 |
-1.229 |
0.221 |
0.221 |
ns |
130 |
-1.229 |
0.221 |
0.221 |
ns |
| Controle |
|
Urbana |
|
|
pre |
pos |
130 |
0.668 |
0.506 |
0.506 |
ns |
130 |
0.668 |
0.506 |
0.506 |
ns |
| Experimental |
|
|
|
|
Rural |
Urbana |
64 |
-1.008 |
0.317 |
0.317 |
ns |
64 |
-1.008 |
0.317 |
0.317 |
ns |
| Experimental |
|
Rural |
|
|
pre |
pos |
130 |
0.769 |
0.443 |
0.443 |
ns |
130 |
0.769 |
0.443 |
0.443 |
ns |
| Experimental |
|
Urbana |
|
|
pre |
pos |
130 |
-0.106 |
0.915 |
0.915 |
ns |
130 |
-0.106 |
0.915 |
0.915 |
ns |
|
|
Rural |
|
|
Controle |
Experimental |
64 |
0.951 |
0.345 |
0.345 |
ns |
64 |
0.951 |
0.345 |
0.345 |
ns |
|
|
Urbana |
|
|
Controle |
Experimental |
64 |
-1.279 |
0.206 |
0.206 |
ns |
64 |
-1.279 |
0.206 |
0.206 |
ns |
| Controle |
|
|
|
|
Rural |
Urbana |
82 |
0.290 |
0.773 |
0.773 |
ns |
87 |
1.513 |
0.134 |
0.134 |
ns |
| Controle |
|
|
Rural |
|
pre |
pos |
166 |
0.000 |
1.000 |
1.000 |
ns |
176 |
-1.177 |
0.241 |
0.241 |
ns |
| Controle |
|
|
Urbana |
|
pre |
pos |
166 |
1.014 |
0.312 |
0.312 |
ns |
176 |
0.954 |
0.341 |
0.341 |
ns |
| Experimental |
|
|
|
|
Rural |
Urbana |
82 |
-0.493 |
0.623 |
0.623 |
ns |
87 |
-0.268 |
0.789 |
0.789 |
ns |
| Experimental |
|
|
Rural |
|
pre |
pos |
166 |
0.519 |
0.604 |
0.604 |
ns |
176 |
0.489 |
0.626 |
0.626 |
ns |
| Experimental |
|
|
Urbana |
|
pre |
pos |
166 |
-0.184 |
0.855 |
0.855 |
ns |
176 |
0.327 |
0.744 |
0.744 |
ns |
|
|
|
Rural |
|
Controle |
Experimental |
82 |
-0.343 |
0.733 |
0.733 |
ns |
87 |
0.672 |
0.503 |
0.503 |
ns |
|
|
|
Urbana |
|
Controle |
Experimental |
82 |
-1.561 |
0.122 |
0.122 |
ns |
87 |
-1.222 |
0.225 |
0.225 |
ns |
| Controle |
|
|
|
1st quintile |
pre |
pos |
74 |
-5.697 |
0.000 |
0.000 |
**** |
170 |
-2.979 |
0.003 |
0.003 |
** |
| Controle |
|
|
|
2nd quintile |
pre |
pos |
74 |
-1.415 |
0.161 |
0.161 |
ns |
170 |
0.248 |
0.805 |
0.805 |
ns |
| Controle |
|
|
|
3rd quintile |
pre |
pos |
74 |
1.513 |
0.135 |
0.135 |
ns |
170 |
3.463 |
0.001 |
0.001 |
*** |
| Controle |
|
|
|
|
1st quintile |
2nd quintile |
36 |
0.503 |
0.618 |
1.000 |
ns |
84 |
0.691 |
0.492 |
1.000 |
ns |
| Controle |
|
|
|
|
1st quintile |
3rd quintile |
36 |
0.286 |
0.777 |
1.000 |
ns |
84 |
0.946 |
0.347 |
1.000 |
ns |
| Controle |
|
|
|
|
2nd quintile |
3rd quintile |
36 |
-0.014 |
0.989 |
1.000 |
ns |
84 |
0.872 |
0.385 |
1.000 |
ns |
| Experimental |
|
|
|
1st quintile |
pre |
pos |
74 |
-6.356 |
0.000 |
0.000 |
**** |
170 |
-3.010 |
0.003 |
0.003 |
** |
| Experimental |
|
|
|
2nd quintile |
pre |
pos |
74 |
-4.431 |
0.000 |
0.000 |
**** |
170 |
-1.823 |
0.070 |
0.070 |
ns |
| Experimental |
|
|
|
3rd quintile |
pre |
pos |
74 |
3.581 |
0.001 |
0.001 |
*** |
170 |
5.157 |
0.000 |
0.000 |
**** |
| Experimental |
|
|
|
|
1st quintile |
2nd quintile |
36 |
1.862 |
0.071 |
0.213 |
ns |
84 |
0.500 |
0.618 |
1.000 |
ns |
| Experimental |
|
|
|
|
1st quintile |
3rd quintile |
36 |
3.301 |
0.002 |
0.007 |
** |
84 |
2.052 |
0.043 |
0.130 |
ns |
| Experimental |
|
|
|
|
2nd quintile |
3rd quintile |
36 |
3.490 |
0.001 |
0.004 |
** |
84 |
2.772 |
0.007 |
0.021 |
* |
|
|
|
|
1st quintile |
Controle |
Experimental |
36 |
-3.531 |
0.001 |
0.001 |
** |
84 |
-0.893 |
0.374 |
0.374 |
ns |
|
|
|
|
2nd quintile |
Controle |
Experimental |
36 |
-2.353 |
0.024 |
0.024 |
* |
84 |
-1.486 |
0.141 |
0.141 |
ns |
|
|
|
|
3rd quintile |
Controle |
Experimental |
36 |
2.455 |
0.019 |
0.019 |
* |
84 |
1.262 |
0.210 |
0.210 |
ns |
EMMS Table Comparison
df <- do.call(plyr::rbind.fill, lemms)
df[["N-N'"]] <- df[["N"]] - df[["N'"]]
df <- df[,c(names(lfatores)[names(lfatores) %in% colnames(df)],
names(df)[!names(df) %in% names(lfatores)])]
| Controle |
|
|
|
|
48 |
2.333 |
0.211 |
2.167 |
0.207 |
2.177 |
0.205 |
1.769 |
2.585 |
50 |
2.420 |
0.216 |
2.360 |
0.242 |
2.374 |
0.243 |
1.892 |
2.857 |
-2 |
| Experimental |
|
|
|
|
36 |
2.667 |
0.246 |
2.750 |
0.230 |
2.737 |
0.237 |
2.265 |
3.208 |
42 |
2.833 |
0.223 |
2.643 |
0.261 |
2.626 |
0.265 |
2.099 |
3.153 |
-6 |
| Controle |
F |
|
|
|
24 |
2.625 |
0.312 |
2.167 |
0.305 |
2.156 |
0.293 |
1.573 |
2.740 |
25 |
2.640 |
0.299 |
2.400 |
0.374 |
2.398 |
0.346 |
1.711 |
3.085 |
-1 |
| Controle |
M |
|
|
|
24 |
2.042 |
0.279 |
2.167 |
0.287 |
2.197 |
0.297 |
1.606 |
2.787 |
25 |
2.200 |
0.311 |
2.320 |
0.315 |
2.349 |
0.349 |
1.655 |
3.044 |
-1 |
| Experimental |
F |
|
|
|
16 |
2.312 |
0.338 |
2.688 |
0.384 |
2.699 |
0.359 |
1.984 |
3.413 |
19 |
2.579 |
0.327 |
2.579 |
0.421 |
2.581 |
0.397 |
1.793 |
3.369 |
-3 |
| Experimental |
M |
|
|
|
20 |
2.950 |
0.344 |
2.800 |
0.287 |
2.767 |
0.325 |
2.120 |
3.414 |
23 |
3.043 |
0.305 |
2.696 |
0.335 |
2.665 |
0.364 |
1.940 |
3.389 |
-3 |
| Controle |
|
Rural |
|
|
12 |
2.000 |
0.444 |
2.833 |
0.520 |
2.948 |
0.516 |
1.918 |
3.978 |
12 |
2.000 |
0.444 |
2.833 |
0.520 |
2.948 |
0.516 |
1.918 |
3.978 |
0 |
| Controle |
|
Urbana |
|
|
26 |
2.500 |
0.320 |
2.192 |
0.368 |
2.208 |
0.346 |
1.517 |
2.899 |
26 |
2.500 |
0.320 |
2.192 |
0.368 |
2.208 |
0.346 |
1.517 |
2.899 |
0 |
| Experimental |
|
Rural |
|
|
15 |
2.800 |
0.327 |
2.333 |
0.386 |
2.290 |
0.456 |
1.378 |
3.201 |
15 |
2.800 |
0.327 |
2.333 |
0.386 |
2.290 |
0.456 |
1.378 |
3.201 |
0 |
| Experimental |
|
Urbana |
|
|
16 |
2.938 |
0.403 |
3.000 |
0.456 |
2.929 |
0.444 |
2.043 |
3.816 |
16 |
2.938 |
0.403 |
3.000 |
0.456 |
2.929 |
0.444 |
2.043 |
3.816 |
0 |
| Controle |
|
|
Rural |
|
12 |
2.250 |
0.463 |
2.250 |
0.218 |
2.294 |
0.435 |
1.429 |
3.159 |
14 |
2.214 |
0.408 |
2.929 |
0.508 |
2.963 |
0.458 |
2.052 |
3.874 |
-2 |
| Controle |
|
|
Urbana |
|
36 |
2.500 |
0.257 |
2.139 |
0.268 |
2.149 |
0.250 |
1.651 |
2.647 |
36 |
2.500 |
0.257 |
2.139 |
0.268 |
2.148 |
0.285 |
1.583 |
2.714 |
0 |
| Experimental |
|
|
Rural |
|
13 |
2.846 |
0.317 |
2.538 |
0.538 |
2.501 |
0.417 |
1.671 |
3.332 |
13 |
2.846 |
0.317 |
2.538 |
0.538 |
2.518 |
0.474 |
1.576 |
3.460 |
0 |
| Experimental |
|
|
Urbana |
|
26 |
2.692 |
0.313 |
2.769 |
0.268 |
2.753 |
0.295 |
2.167 |
3.340 |
29 |
2.828 |
0.294 |
2.690 |
0.298 |
2.671 |
0.318 |
2.039 |
3.303 |
-3 |
| Controle |
|
|
|
1st quintile |
10 |
0.600 |
0.163 |
2.400 |
0.221 |
3.160 |
0.507 |
2.131 |
4.189 |
16 |
0.688 |
0.120 |
2.000 |
0.387 |
3.027 |
0.765 |
1.505 |
4.549 |
-6 |
| Controle |
|
|
|
2nd quintile |
8 |
2.375 |
0.183 |
2.875 |
0.227 |
2.864 |
0.290 |
2.276 |
3.451 |
21 |
2.524 |
0.112 |
2.429 |
0.406 |
2.449 |
0.364 |
1.725 |
3.172 |
-13 |
| Controle |
|
|
|
3rd quintile |
7 |
4.286 |
0.286 |
3.714 |
0.565 |
2.873 |
0.574 |
1.709 |
4.037 |
13 |
4.385 |
0.213 |
2.692 |
0.472 |
1.692 |
0.778 |
0.145 |
3.238 |
-6 |
| Experimental |
|
|
|
1st quintile |
3 |
0.667 |
0.333 |
4.333 |
0.333 |
5.064 |
0.632 |
3.782 |
6.346 |
8 |
0.875 |
0.125 |
2.750 |
0.491 |
3.674 |
0.825 |
2.034 |
5.315 |
-5 |
| Experimental |
|
|
|
2nd quintile |
10 |
2.400 |
0.163 |
3.800 |
0.200 |
3.778 |
0.259 |
3.252 |
4.304 |
19 |
2.421 |
0.116 |
3.158 |
0.377 |
3.234 |
0.385 |
2.468 |
4.000 |
-9 |
| Experimental |
|
|
|
3rd quintile |
5 |
4.000 |
0.000 |
2.400 |
0.245 |
1.683 |
0.551 |
0.565 |
2.800 |
14 |
4.214 |
0.114 |
1.786 |
0.459 |
0.879 |
0.721 |
-0.555 |
2.312 |
-9 |